基于脂质纳米颗粒（LNP）技术的COVID-19 mRNA疫苗遍地开花，充分证明了纳米药物的可行性，吸引了巨量的投资和进一步研究的兴趣。市场持续风靡之下，最近的科学突破表明LNP是有效的药物递送系统。然而，为了实现对依赖于精确粒度、形状和结构的众多性能特征的微调，大量不同配方的筛选能力是至关重要的。自动化系统无疑是理想的选择，能够克服常规低通量LNP制备方法所面临的挑战，迄今为止，这种方法仍然限制着筛选选项¹。本文讨论了微流控技术与自动化的结合如何提供必要的控制水平来实现以经济高效且及时的方式进行高通量LNP配方筛选，以及这种方法将如何加速新纳米药物的开发。
 
 
纳米药物的前景
纳米药物有潜力克服许多限制着传统药物临床应用的不良特性，包括药代动力学不佳、生物利用度有限以及毒性高等等²。在纳米尺度上，治疗药物可以针对具体的疾病专门定制，精确定位并选择性地杀伤癌细胞，而不影响周围的健康细胞。使用LNP作为药物递送系统来提高药物的治疗指数是一种非常惊艳的方法，LNP-mRNA COVID-19疫苗的成功验证了该技术的可行性。这种方法在药物递送领域引起了广泛的研究兴趣，具有胜于其他方法的核心优势：LNP可高效封装各种有效载荷；稳定药物递送量；以及帮助微粒进入靶细胞。然而，一种LNP能否成功要取决于其具体的配方，这会显著影响其性能。此外，纳米药物的目标是临床应用，这意味着LNP必须一致且经过充分优化，才能安全有效地应用于人类。该领域的研究人员正在为每种应用寻找最佳的配方，旨在将有前途的封装生物制剂转化为有效且可行的疗法，无论是疫苗、基因疗法还是癌症治疗。为此，他们需要能够可重复地生成性能特征经过微调的均匀微粒³。
  
特殊的微粒
LNP的精心设计是确保它们能够执行一系列复杂动作的关键，包括跨细胞膜运输和细胞内的释放机制，同时要保持治疗载荷的完整性。为了使最终的纳米药物具有更高的生物效能，LNP的性能特征必须经过优化以便成功转染人体细胞。尺寸是平衡最佳的摄取与递送的重要参数，75至95 nm之间的配方性能最佳^{4, 5}。封装效率（EE，或“药物载量”）描述了最终有多少生物制剂进入脂质载体内部，通常需要超过90%⁶。多分散性指数（PDI）则描述了微粒尺寸分布的不均匀程度，该值在0.2及以下通常被认为是可接受的⁷。理想的性能指标可以通过改变微粒的脂质体纳米配方来靶向。
 
探求完美的纳米配方
LNP制剂的生物功效在很大程度上取决于四种脂质成分（可电离脂质、磷脂、聚乙二醇化脂质和胆固醇）的系统优化，每种成分都为微粒性能提供了独特的功能性（表1）^{1, 8}。脂质材料的类型和摩尔比可以改变（其中三类在临床使用中有多种选择），需要测试表1中的所有组合，如此已至少需要24次实验。然而，当考虑到其他能够微调性能特征的因素时，实验的数量将陡然增加。这些因素包括：药物浓度、读长或序列；颗粒的电荷比；以及工艺参数，包括总流速、试剂混合反应动力学以及缓冲液的pH值、类型或浓度。
  
表1 脂质分类

Lipid type 脂质类型	Options in clinical use 临床应用选择
Ionizable 可电离脂质	SM-102 MC3 9A1P9
Phospholipid 磷脂	Phospholipon-90G DSPC
PEGylated PEG化脂质	DMG-PEG2000 DOPE-PEG2000 DSPE-PEG2000 DSPE-PEG5000
Cholesterol 胆固醇	-

 
巨大的试验领域
为了确定颗粒性能的最优解，配方参数的每一种的排列组合都必须合成少量的样品。在随后的批量筛选过程中，将对其进行理化表征，并选出最有前途的纳米配方继续推进。这个过程并不容易，很大程度上依赖于反复地试错，可能需要上亿次的探索。试验过程还必须保持一致且需要工艺验证，使材料和耗材的成本高昂，同时需要巨大的人力和时间投入。低通量的手动筛选过程会给后续的测定和表征步骤带来巨大的瓶颈。如果没有自动化，就有可能在众多干扰中丢失完美的纳米配方，使创新受阻³。
 
配方筛选中的自动化与控制
由于下游筛选过程中自动化的缺失，研究人员所面临的是一场漫长且成本高昂的艰苦战斗。人们需要一种能够将快速下游工艺与受控的待测纳米配方合成相结合的平台，包括实现筛选步骤自动化和工艺参数调整自动化的能力。微流控装置可以通过在微米尺度上操控流体来实现这一目标，生成可重复的单分散纳米配方。这些技术已经被用于合成物理特性更加可控的LNP，但到目前为止，这种方法还无法实现充分的自动化⁹。
 
现有的微流控系统在用于配方筛选时，一次只能进行一项试验，然后需要手动更改实验参数。然而，现代微流控平台则通过自动化克服了这一问题，可实现有效且高通量的LNP配方筛选。近期的发展见证了多款创新平台的上市，它们能够显著缩短筛选时间，提供出色的工艺一致性，自动化程度更高，同时最大限度地降低了运行成本（图1）。这些系统采用96孔板样品规格（在大约6小时内完成多达96项试验），兼容现行的上游和下游工作流程，可实现颗粒生产中所有阶段之间的轻松转移。得益于试验批次之间的自动清洗功能以及采用了可重复使用的微流控芯片，此类平台可提供极大的灵活性，并且几乎不需要用户干预。一套系统既可以用于工艺优化，也可以用于连续生产，实现由筛选到放大的无缝衔接，并使研究人员能够加快纳米药物的发现阶段。
   
总结
纳米药物具有改变患者治疗方式的潜力，而封装生物材料已经成为了基因药物和疫苗早期开发的一个重要部分。为了将一款基于LNP的治疗药物推向全球市场，研究人员需要考虑从纳米配方筛选到转化进入临床，并最终实现商业化的速度能有多快。想要可靠且可重复地合成具有理想性能特征的LNP，同时避免过分高昂的成本和漫长的开发周期，显然需要一种能够实现出色可控合成的自动化高通量筛选平台。新型的微流控系统通过将可控的LNP配方合成与自动化高通量配方筛选相结合，满足了这一需求。这将加速基于脂质递送机制的治疗药物的开发，推进基因药物和癌症治疗的递送以满足紧迫的全球需求。
 
 
作者简介
Ben Knappett于杜伦大学取得了化学硕士学位，并于剑桥大学取得了纳米颗粒合成与表征博士学位。2016年，Ben开始在Particle Works任职，负责利用微流控技术开发纳米颗粒和微米颗粒产品，涵盖了广泛的材料类型。2021年，Particle Works品牌作为自动化纳米颗粒合成平台的供应商重新出发，Ben则升任现在的科学与应用主管一职。该职位需要领导一个科学家团队，负责指定和测试新的Particle Works系统、产出应用相关内容、并为客户提供安装和培训以及售后应用上的支持。Ben和他的实验室团队还进行了原理验证研究，以展示Particle Works系统对于客户材料的处理能力。
 
 
参考文献
1.  Cui, L. et al. Development of a high-throughput platform for screening lipid nanoparticles for mRNA delivery. Nanoscale 14, 1480–1491 (2022).
2.  Beltrán-Gracia, E., López-Camacho, A., Higuera-Ciapara, I., Velázquez-Fernández, J. B. & Vallejo-Cardona, A. A. Nanomedicine review: clinical developments in liposomal applications. doi:10.1186/s12645-019-0055-y.
3.  Zaslavsky, J., Bannigan, P. & Allen, C. Re-envisioning the design of nanomedicines: harnessing automation and artificial intelligence. https://doi.org/10.1080/17425247.2023.2167978 20, 241–257 (2023).
4.  Tenchov, R., Bird, R., Curtze, A. E. & Zhou, Q. Lipid Nanoparticles from Liposomes to mRNA Vaccine Delivery, a Landscape of Research Diversity and Advancement. ACS Nano 15, 16982–17015 (2021).
5.  Hassett, K. J. et al. Optimization of Lipid Nanoparticles for Intramuscular Administration of mRNA Vaccines. Mol Ther Nucleic Acids 15, 1 (2019).
6.  Schoenmaker, L. et al. mRNA-lipid nanoparticle COVID-19 vaccines: Structure and stability. Int J Pharm 601, 120586 (2021).
7.  Danaei, M. et al. Impact of Particle Size and Polydispersity Index on the Clinical Applications of Lipidic Nanocarrier Systems. Pharmaceutics 10, (2018).
8.  Hald Albertsen, C. et al. The role of lipid components in lipid nanoparticles for vaccines and gene therapy. Adv Drug Deliv Rev 188, 114416 (2022).
9.  Zhao, X. et al. Microfluidic Generation of Nanomaterials for Biomedical Applications. Small 16, (2020).